【未来银行】数字化转型中的数据人才赋能

数字化转型势在必行

随着银行同业及异业竞争的日趋激烈，数字化转型已经成为银行业创新与探索的发展方向。

根据中国互联网金融协会、瞭望智库联合撰写的《中国商业银行数字化转型调查研究报告》显示，我国银行业正面临巨大的外部不确定性和激烈竞争，银行正向客户长尾化、产品场景化、渠道全时化、风控智能化、数据资产化、平台开放化等新型模式转变，数字化转型迫在眉睫。而数字化转型，离不开大数据技术。国务院颁布的《促进大数据发展行动纲要》、《新一代人工智能发展规划》和人民银行发布的《“十三五”现代金融体系规划》等文件也大力提倡要大力推动信息科技与大数据的发展，并且明确了未来三年我国金融科技发展的指导思想、发展原则和发展目标。

为了顺应时代的潮流，越来越多的银行开始尝试数字化转型，通过引入信息技术和大数据的理念，加快银行的业务转型。在麦肯锡2019年发布的《银行业数字化金融创新的“3+1”转型策略》中也指出，经过过去5年调研的全球近30家领先银行的数字化创新实践中发现，银行开展数字化创新转型势在必行。

数字化转型亟需人才储备

真正的数字化转型，实质是组织、文化、流程、管理等全面变革，并不是单一部门或者单一项目能够驱动实现的。对于银行这样一个由科技高度驱动的产业，未来银行的业务条线一定会与科技高度融合。因此，未来的银行，将是科技驱动银行，人才驱动数据。阿里巴巴副总裁-阿里云智能新金融业务部总裁兼蚂蚁金服金融科技总经理刘伟光也表示，数字化转型不是靠银行科技部来推动的，而是靠管理思想的转变，重在“人”的转变。

如何有效的转化数字化思维，建立数字化能力建设，便成了当务之急。央行在2019年8月发布了《金融科技（FinTech）发展规划（2019—2021年）》，为金融机构转型升级指明了方向。其中重点任务就包括了强化人才队伍建设等方面的战略部署，为金融科技发展提供保障。

而现在的银行普遍面临了数据人才不足的问题，主要表现在：

缺乏可以主导整体规划的人才

很多银行都进行了大数据分析的相关尝试，通过建立数据管理部门/团队的方式来统筹、领导银行的数据分析工作。但部门/团队领导多数出身于科技条线，虽对银行数据基础较为熟悉，但对数据如何支撑、反哺银行业务缺乏清晰的认识与规划。对“分析什么”、“如何分析”、“如何使用”、“如何管理”这四大数据分析关键问题没有清晰的答案，导致数据分析团队在定位、发展、与业务部门合作等方面都存在着不同程度的问题。

缺乏数据分析技术人才

大数据分析是高技术含量的工作，对从事相关工作的人员提出了较高的要求，要求从业人员掌握数据分析软件、统计学、大数据、机器学习等分析手段和工具。而多数银行在此方面人才储备显著不足，从事数据相关工作的人员往往对业务理解程度不高，业务人员又缺乏数据能力，能够进行分析模型设计与开发的人才远远不能满足未来分析挖掘的需求。

缺乏能够主动利用数据驱动创新的人才

多数银行的数据分析工作仍然以相对简单的统计、指标计算、报表需求、绩效核算等信息化工作为主，对数据价值深挖程度显著不足。对数据分析如何支撑业务和驱动业务转型的理解程度不高，缺乏主动利用数据产生业务洞察并指导业务开展的意识。

中国银行业协会专职副会长潘光伟在“第二届中国数字银行论坛”上提到过，科技人才的储备的不足是中国银行业进入数字化时代所面临的挑战。因此，我国商业银行数字化转型首先要强调培养数字化人才，实现“人才先行”来加速推进转型相关工作。

数据人才赋能意义重大

当前银行业的数字化转型，遇到了缺乏既了解银行业务又善于数据分析的复合型人才的瓶颈。此类人才目前在市场上有很强的竞争力并且难以获得，因此银行在考虑对外招聘此类人才的同时也需要将目光移向公司内部，挖掘并培养潜在的数据分析人才对象。此外，随着越来越多的数据分析软件不断进步，使得原先晦涩难懂的数据及代码变得清晰可读，也使得业务人员向科技人员进行转型变得更加可行。“人才先行”绝非空穴来风。

人才难求，但是数据分析人才的赋能，并不是难事。波士顿咨询合伙人何大勇也曾提到过很多全球领先金融机构已经采取敏捷创新方法等一系列人才组织与人才突围举措，以应对时代变化。从应用的角度来看，银行的数据分析人才不一定要精通很难的数据模型和算法，只要懂得如何将简单的模型和算法结合业务场景，运用在实际的操作过程中即可。因此，

完全可以针对没有数据分析背景的工作人员，